Çoklu lojistik regresyon ve k-en yakın komşu yöntemleri ile BİST 100 endeks getiri yönünün tahmini
Prediction of the BIST 100 index direction with multiple logistic regression and k-nearest neighbors methods
- Tez No: 495288
- Danışmanlar: DOÇ. DR. GÜLDER KEMALBAY
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 73
Özet
Bu çalışmada, BIST100 endeks getirilerinin yukarı/aşağı hareket yönünün; veri madenciliğinde kullanılan sınıflandırmaya dayalı yöntemler yardımıyla tahmin edilmesi üzerinde çalışılmıştır. Veri analizinde kullanılan değişkenler olarak; hacim, birinci günden beşinci güne kadar önceki işlem gününün getirileri, finansal göstergelerin getirileri, borsa endekslerinin getirileri ve döviz kurlarının getirileri yer almaktadır. Çalışmada, belirli bir günde BIST100 endeks getirilerinin yükselip yükselmeyeceği ya da düşeceği tahmin edilmektedir. Borsanın yukarı/aşağı hareket yönünü tahmin etmek için, iki kategorili lojistik regresyon ve K-en yakın komşu algoritması uygulanmıştır. Her iki uygulanan yöntem birbiri ile karşılaştırarak hangisinin tahmin etmedeki performansının daha yüksek olduğu irdelenmiştir. BIST100 verisi üzerinde gerçekleştirilen analiz sonuçları, iki kategorili lojistik regresyon yönteminin daha başarılı tahminler yapabildiğini göstermektedir.
Özet (Çeviri)
In this study, we aim to predict daily up/down movement direction in the BIST100 index with the help of data mining techniques based on classification. The variables used for data analysis are historical return, volume, returns of the five previous trading days which are called Lag1 through Lag5 and daily closing return exchange rates. Our problem includes predicting whether on a particular day the BIST100 index will increase, i.e. fall into up bucket, or decrease, i.e. fall into down bucket. To predict the up/down movement direction of stock market, we apply two data mining techniques as binary logistic regression and K-nearest neighbors analysis. We compare the prediction performances of these two classification methods. According to data analysis results on BIST100, the binary logistic regression technique achieves better prediction performance in determining the up/down movement direction as opposed to K-nearest neighbors algorithm.
Benzer Tezler
- Yapay öğrenme yöntemleri ile akciğerdeki tümörlerin birincil kökenlerine göre sınıflandırılması
Classification of tumors in the lung according to primary origins using machine learning methods
ABDULLAH ENES TAHA
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Pertübasyon yöntemi ile hassas veri güvenliğine yönelik çok değişkenli veriler için tahmin analizi
Prediction analysis for multivariate data with respect to sensitive data security using the perturbation method
İLKER İLTER
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SAFİYE SENCER
- Machine learning applications in portfolio optimization
Portföy optimizasyonunda makine öğrenmesi uygulamaları
FİRDEVS NUR UYKUN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiFinansal Matematik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜŞRA ZEYNEP TEMOÇİN
- Yüksek riskli sınavlarda başarıyla ilişkili değişkenlerin veri madenciliği yöntemleriyle incelenmesi
Evaluating the variables related to success in high-stakes exams by using data mining methods
AYŞEGÜL BOZDAĞ KASAP
Doktora
Türkçe
2024
Eğitim ve ÖğretimGazi ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. DİLARA BAKAN KALAYCIOĞLU
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA